TL;DR
Salesforce는 제품 릴리스마다 34개 언어로 동일한 품질과 일정을 유지해야 하는 제약 속에서 번역량 증가로 기존 수작업 중심 파이프라인이 한계에 봉착하자 TMS를 확장해 LLM 기반 워크플로를 도입했다. 이 워크플로는 제품·고객별 명칭을 반영하는 컨텍스트를 구성하고 목적별 프롬프트를 적용해 번역 후보를 생성한 뒤 QA 신뢰도에 따라 낮은 신뢰도 항목만 인간 벤더로 넘기는 방식으로 처리량을 높였다. 도입 결과 워크플로에 따라 로컬라이제이션 비용이 50~90% 절감되고 처리 속도가 크게 개선되었으나, 고객별 복잡한 용어와 문맥에서는 인간 검수를 유지하는 하이브리드 접근을 병행하고 있다.
섹션별 상세

- LLM 기반 워크플로 도입으로 로컬라이제이션 비용이 워크플로별로 50%에서 90%까지 절감되었다. — 도입 결과 수치를 언급한 서두와 사례 설명 단락
용어 해설
- 프롬프트 엔지니어링(Prompt Engineering)
- — LLM에 전달하는 입력 문자열을 목적에 맞게 설계하여 모델 출력 품질을 높이는 기법으로, 텍스트 예시와 지침을 구성하고 조건문이나 제약을 삽입해 번역 품질과 일관성을 제어하는 방식이 핵심이다.
- 컨텍스트 엔지니어링(Context Engineering)
- — 문장 단위 번역에서 제품별 명칭, 고객이 정의한 객체명, 문맥 의존 규칙을 LLM에 전달 가능한 형태로 구조화하는 방법으로, 입력 컨텍스트를 정교하게 구성해 문법적 일관성과 용어 일치를 보장한다.
- AI 오케스트레이션(AI Orchestration)
- — 여러 AI 구성요소(프롬프트 템플릿, 모델 호출, 검증 모듈)를 워크플로로 연결하고 조건 기반 분기와 재시도 로직을 적용해 자동화된 처리 흐름을 운영하는 체계로, 대규모 파이프라인의 신뢰성과 효율을 확보한다.
- 번역 관리 시스템(TMS)(Translation Management System)
- — 문자열 업로드, 매칭, 자동번역 적용, 검수 태깅, 벤더 연계 등 로컬라이제이션 생산흐름을 중앙에서 통합 운영하는 소프트웨어로, LLM 통합으로 자동화 단계가 확장되면 전체 릴리스 처리율을 결정하는 핵심 인프라가 된다.
기술
- TMS
- LLM
- Machine Translation
- Prompt Engineering
활용 사례
- 제품 릴리스 문자열 자동 번역 처리
- 고객 정의 객체명 보존을 포함한 컨텍스트 민감 번역
- 신뢰도 기반 하이브리드 자동화(자동→인간 검수 전환)
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.